---
title: 2023/11/23
tags: meeting # 簡報的標籤
slideOptions: # 簡報相關的設定
theme: black # 顏色主題
transition: 'fade' # 換頁動畫
spotlight:
enabled: true
---

# Ensemble learning on Medical Image Classification

本周的進度是把我們提出的方法用在不同的醫學影像資料集上面驗證。本次我們將會使用 4 種不同的資料集

## SPECT scans of Parkinson's Disease

Link: [https://www.ppmi-info.org/access-data-specimens/download-data/](https://www.ppmi-info.org/access-data-specimens/download-data/)

第一筆資料是關於帕金森氏症的病患腦部 SPECT 影像，總共有 1290 張影像，屬於兩種類別，影像大小為 (91, 103)，原始資料提供訓練以及測試集，我們進一步將訓練集劃分為訓練集以及驗證集，比例為 8:2

## NCT-CRC-HE-100K

Link: [https://zenodo.org/records/1214456](https://zenodo.org/records/1214456)

NCT-CRC-HE-100K 資料集是從86張H&E染色的人類癌症組織切片以及正常組織中提取的10萬個不重疊的影像裁剪片段。而資料集 Colorectal Cancer-Validation-Histology-7K（CRC-VAL-HE-7K）包含來自50名結腸腺癌患者的7180張影像，並且被用來建立一個不與 NCT-CRC-HE-100K 資料集中的患者重疊的資料集。該資料集由病理學家手動劃定了整個切片影像中的組織區域，分為以下九個組織類別：脂肪（ADI）、背景（BACK）、碎片（DEB）、淋巴細胞（LYM）、黏液（MUC）、平滑肌（MUS）、正常結腸黏膜（NORM）、癌相關基質（STR）和結腸腺癌上皮（TUM）。

總共有 10 萬張影像，屬於 9 個類別，我們按照 8:1:1 的比例分成訓練、驗證以及測試集

## Brain Tumor MRI Dataset

Link:

- [figshare](https://figshare.com/articles/dataset/brain_tumor_dataset/1512427)
- [SARTAJ dataset](https://www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-classification-mri)
- [Br35H](https://www.kaggle.com/datasets/ahmedhamada0/brain-tumor-detection?select=no)

這個資料集是由以下三個資料集組成的：figshare、SARTAJ 資料集和 Br35H 資料集。

該資料集包含7022張人類腦部MRI影像，分為4個類別：膠質瘤（glioma）、腦膜瘤（meningioma）、無腫瘤（no tumor）和垂體腺腫瘤（pituitary），原始資料提供訓練集以及測試集，我們進一步將訓練集劃分為 8:2 的訓練集以及驗證集

## Pediatric Chest X-ray Pneumonia

Link: [https://data.mendeley.com/datasets/rscbjbr9sj/2](https://data.mendeley.com/datasets/rscbjbr9sj/2)

該數據集中包含 5856 張胸腔 X 光影像，屬於 2 種類別 (有/沒 病)，原始資料提供訓練集以及測試集，我們進一步將訓練集劃分為 8:2 的訓練集以及驗證集

## Result

| dataset | baseline | Ours | backbone |
| ------- | -------- | ---- | -------- |
| PPMI | 97.927 | 99.482 (+1.555) | densenet121 |
| NCT-CRC-HE-100K | 97.792 | 99.890 (+2.098) | efficientnet_b0 |
| CRC-VAL-HE-7K | 93.939 | 95.041 (+1.102) | efficientnet_b0 |
| Brain Tumor MRI | 99.390 | 99.619 (+0.229) | resnet18 |
| CXR-Pneumonia | 79.167 | 83.013 (+3.846) | efficientnet_b0 |

## Project

Link: [https://hackmd.io/@Jiyah/Skew0KNL6#Result](https://hackmd.io/@Jiyah/Skew0KNL6#Result)

另外，我們也對 Project 的資料做了一些相關的研究和復現義大醫院的結果如上述連結